Den mest menneskelige algoritme

Det er nu muligt at forudsige, hvem den bedste kandidat til at modtage en organtransplantation er, vide, om klienter i en bank vil tilbagebetale de lån, de anmoder om, vælge de film, der bedst falder sammen med forbrugernes interesser, eller endda vælge en persons ideelle partner. Matematiske algoritmer analyserer konstant millioner af dataelementer, identificere mønstre og forudsige om alle områder af livet. Men i de fleste tilfælde, resultaterne giver lidt mere end en lukket forudsigelse, der ikke kan tolkes, og som ofte påvirkes af skævheder i de originale data.

Nu, et team fra forskningsgruppen SEES:lab på Institut for Kemiteknik ved Universitat Rovira I Virgili og ICREA har fået et gennembrud med udviklingen af ​​en ny algoritme, der laver mere præcise forudsigelser og genererer matematiske modeller, der også gør det muligt at forstå disse forudsigelser. Resultaterne af denne forskning er netop blevet offentliggjort i tidsskriftet Videnskab fremskridt .

"Formålet med vores undersøgelse var at skabe det, der er kendt som en videnskabelig robot, en algoritme, der kan anvende den viden og ekspertise, som en forsker har til at fortolke data, "forklarer Marta Sales-Pardo, en af ​​forfatterne til papiret. Resultaterne fra algoritmen er kendetegnet ved, at de er fortolkelige. "Det er som om nogen havde udarbejdet en lov eller en teori om det system, der undersøges. Algoritmen giver dig de matematiske forhold mellem de variabler, den har analyseret, og den gør det helt uafhængigt, "tilføjer Roger Guimerà, en ICREA -forsker fra samme gruppe.

Når en virksomhed har en enorm mængde data, som den ønsker at udnytte, det kan gøre det ved at ansætte nogen til at prøve forskellige modeller, foreslå formler og finde, hvilken der fungerer bedst ved at udføre eksperimenter for at validere dem. Dette vil føre til en matematisk formel, der gør det muligt at modellere systemet, men det indebærer en betydelig investering i tid og penge.

En anden mulighed er at finde en specialist i maskinlæring, en videnskabelig disciplin inden for kunstig intelligens, der skaber systemer, der identificerer komplekse mønstre i enorme datasæt, lære automatisk og producere en "black-box" model, der kan komme med forudsigelser. Imidlertid, disse systemer giver ingen andre oplysninger, og hvis forudsigelsen mislykkes, er det umuligt at vide, hvor fejlen ligger, og hvad der skal gøres for at forhindre det.

Algoritmen udviklet ved URV tager det bedste af de to tilfælde:den behandler dataene automatisk, hurtigt og pålideligt, som maskinlæringssystemet gør, og det giver også et resultat, der er en fortolkelig model.

Algoritmen kan bruges til at analysere og fortolke data fra enhver disciplin i en proces, der er meget mere smidig og effektiv end dem, der eksisterer til dato. Men den reelle merværdi er de oplysninger, systemet giver. "Inden for medicin, for eksempel, hvis du skal tage en beslutning baseret på data, er det meget vigtigt at forstå, hvorfor hver beslutning er taget og risikoen for at begå en fejl, "forklarer Guimerà." Selvom algoritmen også har vist, at den er meget præcis, det vigtigste er, at du kan forstå resultaterne, fordi du har bygget en maskinforsker, der, uden forudgående viden, kan tage et sæt data og udvikle en teori, der løser det problem, der stilles, "tilføjer Ignasi Reichardt, en anden forsker på holdet.

I dette studie, algoritmen er blevet anvendt på et grundlæggende problem med flydende fysik i samarbejde med forskningsgruppen Experimentation, Beregning og modellering i væskemekanik og turbulens i URVs afdeling for maskinteknik.